Popis epileptické sítě pomocí distribuce interiktálních výbojů

Abstract

Iritační zóna je součástí konceptu epileptické sítě. Skládá se z podsítí, klastrů, které jsou schopny generovat nezávislé populace interiktálních výbojů (IED). Cílem práce bylo vytvořit a optimalizovat algoritmus, který dokáže v intrakraniálním EEG (iEEG) identifikovat nezávislé zdroje IED, a dále prokázat vztah mezi jejich chirurgickým odstraněním a bezzáchvatovým pooperačním výsledkem. Byly analyzovány mnohahodinové záznamy iEEG 36 pacientů trpících epilepsií na podkladě fokální kortikální dysplazie s různým pooperačním výsledkem. K identifikaci populací IED byl využit dříve publikovaný algoritmus, který byl nově vylepšen o slučování klastrů se stejným zdrojem IED v 3D prostoru. Z poměru resekovaných klastrů byl stanoven resekční index, který byl statisticky testován jako prediktor pooperačního výsledku. Optimalizací a křížovou validací byla stanovena epileptogenicita jednotlivých klastrů, jež statisticky ovlivňují pooperační výsledek. Výsledkem optimalizační úlohy bylo slučování klastrů, jejichž těžiště (zdroje) byly ve vzdálenosti menší než 12.8 mm. To vedlo k redukci průměrného počtu klastrů pacienta o 63 %. Resekční index IED klastrů pacientů pooperačně bez záchvatů byl signifikantně vyšší než u pacientů se záchvaty (p < 0.0496). Pozitivní efekt léčby byl prokázán, pokud byly klastry generující více než 24 % IED zahrnuty do resekce (p < 0.0083), v průměru 1.4 klastru na pacienta. Byla prokázána sub-regionální organizace iritační zóny, jejíž podsítě byly konsolidovány pomocí vylepšeného klastrovacího algoritmu využívajícího prostorové informace o distribuci IED. Navíc byl definován práh epileptogenicity jednotlivých klastrů, jež průkazně ovlivňují pooperační výsledek. Vyvinutý postup lze využít pro prospektivní hodnocení pacientů a plánování epileptochirurgického výkonu.

The irritative zone is a part of the concept of epileptic networks. It consists of subnetworks called clusters which can generate independent populations of interictal epileptiform discharges (IED). The aim of this thesis was to create and optimize an algorithm that would be able to identify independent sources of IED in intracranial EEG (iEEG) as well as demonstrate the relationship between their surgical removal and postoperative seizure freedom. Long-term iEEG recordings of 36 patients with epilepsy based on focal cortical dysplasia with various postoperative outcomes were analysed. A previously published algorithm that was used to identify IED populations was newly improved by merging clusters with the same source of IED in 3D space. The resection index, which was statistically tested as a predictor of postoperative outcome, was determined from the ratio of resected clusters. The epileptogenicity of individual clusters, which statistically influence the postoperative result, was determined by optimization and cross-validation. The result of the optimization task was the merging of clusters whose centres of gravity (sources) were situated from one another in less than 12.8 mm. This resulted in a reduction of the average number of patients’ clusters by 63 %. The resection index of IED clusters of the postoperative seizure-free patients was significantly higher than the resection index of the patients without seizure freedom (p < 0.0496). A positive treatment effect was proved when clusters generating more than 24 % IED were included in the resection (p < 0.0083), 1.4 clusters per patient on average. The sub-regional organization of the irritative zone whose subnetworks were consolidated by an improved clustering algorithm using spatial information about IED distributions was demonstrated. We defined the threshold of epileptogenicity of individual clusters which demonstrably affect the postoperative outcome. The developed procedure can be used for prospective evaluation of patients and for planning of an epileptosurgery.